申请/专利权人：暨南大学

申请日：2020-05-12

公开（公告）日：2023-03-14

公开（公告）号：CN111474128B

主分类号：G01N21/31

分类号：G01N21/31;G06F17/18

优先权：

专利状态码：有效-授权

法律状态：2023.03.14#授权;2020.08.25#实质审查的生效;2020.07.31#公开

摘要：本发明公开了一种基于光谱分离度的分光波长组合方法，包括以下步骤：测量每个需要判别样品的阴性、阳性样品的光谱；计算全体阴性、阳性样品在每个波长的光谱吸光度的最小值、最大值、均值、标准差；提出阴性、阳性光谱种群的分离度谱、相对分离度谱；确定波长模型的搜索范围，按照分离度值从大到小将波长重新排序，并依次构建波长组合；采用样品的光谱数据进行判别分析，计算识别准确率，并根据总识别准确率确定最优模型。本发明提出的四种分离度从不同角度刻画了光谱种群的分离程度。依据光谱分离度优先选择波长进行分析，可以提升光谱种群的同类相似性和异类差异性特征，从而提高仪器分析的判别准确率。它通常优于没有进行波长选择的全搜索范围模型，显著降低了波长模型复杂度。

主权项：1.一种基于光谱分离度的分光波长组合方法，其特征在于包括如下步骤：S1、样品收集：收集需要判别的两类样品，分别简称“阴性”、“阳性”样品；S2、光谱采集：重复多次测量每个样品的光谱；S3、计算全体阴性、阳性样品在每个波长的光谱吸光度的最小值、最大值分别记为计算全体阴性、阳性样品光谱吸光度的均值、标准偏差，分别记为S4、提出两个光谱种群的I型分离度谱、I型相对分离度谱、II型分离度谱和II型相对分离度谱，分别定义I型分离度SIλ、I型相对分离度RIλ、II型分离度SIIλ和II型相对分离度RIIλ，如下： S5、基于分离度排序，对于I型分离度SIλ：确定需要的波长范围，采用全扫描谱区，或者根据实际对象的光谱特征，采用特定的波长范围，波长总数为n，按照分离度值从大到小将波长排序，如下：λ1，λ2，...，λn；S6、分离度优先的波长组合：基于分离度优先，依次构建n个波长组合如下：Ωi＝{λ1，λ2，...，λi}，i＝1，2，...，n；S7、采用两类样品的光谱数据，并划分为定标样品集、预测样品集，采集测定的样品光谱；分别按照上述n个波长组合的数据建立偏最小二乘法判别分析PLS-DA模型，计算相关的定标样品集、预测样品集、全体样品的阴性识别准确率、阳性识别准确率、总识别准确率共9个识别准确率，并计算上述9个识别准确率的标准偏差RARSD；根据全体样品的总识别准确率RARTotal，确定I型分离度SIλ的最优波长模型，称为最优SDPC模型，公式如下： 对应的最优波长组合为：ΩN＝{λ1，λ2，...，λN}，N为波长个数；S8、同理，基于其他三类分离度RIλ、SIIλ、RIIλ的优先组合方法，分别获得各自的最优波长组合，确定各自的最优SDPC模型，最后，再从四类分离度的最优SDPC模型中确定全局最优模型，对应选出全局最优波长组合。

全文数据：

权利要求：

百度查询： 暨南大学 一种基于光谱分离度的分光波长组合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD